Fledge MCP 服务器

这是一个模型上下文协议（MCP）服务器，将Fledge功能连接到Cursor AI，允许AI通过自然语言命令与Fledge实例交互。

先决条件

• 本地安装了Fledge或可通过API访问（默认：http://localhost:8081）
• 安装了Cursor AI
• Python 3.8+

安装

1. 克隆此仓库：

git clone https://github.com/Krupalp525/fledge-mcp.git
cd fledge-mcp

2. 安装依赖项：

pip install -r requirements.txt

使用

1. 启动服务器：

python mcp_server.py

2. 访问 http://localhost:8082 在浏览器中查看文档。

功能

• 支持通过WebSocket的JSON-RPC 2.0协议
• 提供以下工具：
  • 获取传感器数据
  • 控制设备
  • 获取系统状态
  • 获取日志信息
  • 设置报警阈值

示例请求

1. 初始化：

{
    "jsonrpc": "2.0",
    "method": "initialize",
    "params": {},
    "id": "1"
}

2. 列出工具：

{
    "jsonrpc": "2.0",
    "method": "tools/list",
    "params": {},
    "id": "2"
}

3. 调用工具：

{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "get_sensor_data",
        "parameters": {
            "sensor_id": "temp1",
            "limit": 10
        }
    },
    "id": "3"
}

错误码

服务器遵循标准的JSON-RPC 2.0错误码：

• -32700: 解析错误
• -32600: 无效请求
• -32601: 方法未找到
• -32602: 参数无效
• -32000: 服务器错误

生产环境注意事项

• 使用HTTPS
• 部署在反向代理（如Nginx）之后
• 实现更强大的身份验证（JWT、OAuth）
• 添加速率限制
• 设置持久数据存储用于订阅

在Smithery.ai上部署

1. 先决条件

   • 安装Docker
   • Smithery.ai 账户
   • 安装Smithery CLI工具

2. 构建和部署

# 构建 Docker 镜像
docker build -t fledge-mcp .

# 部署到 Smithery.ai
smithery deploy

3. 配置

   • WebSocket传输在8082端口
   • 可配置的Fledge API URL
   • 工具定义和参数
   • 超时设置

4. 环境变量

   • FLEDGE_API_URL: 您的Fledge API端点
   • API_KEY: 您的安全模式API密钥

5. 验证

smithery status fledge-mcp

6. 监控

   • 通过Smithery.ai控制台进行实时日志、性能指标、错误跟踪和资源使用情况的监控。

7. 更新

# 构建新镜像
docker build -t fledge-mcp .
   
# 部署更新
smithery deploy --update

JSON-RPC 协议支持

服务器使用JSON-RPC 2.0协议实现模型上下文协议（MCP）。

支持的方法

1. initialize

   {
       "jsonrpc": "2.0",
       "method": "initialize",
       "params": {},
       "id": "1"
   }
   

   响应：

   {
       "jsonrpc": "2.0",
       "result": {
           "serverInfo": {
               "name": "fledge-mcp",
               "version": "1.0.0",